python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注

动机

有个同事吧,写论文,让我帮忙出个图,就写了个代码,然后我的博客好久没更新了,就顺便贴上来了!
很多人感兴趣风速的箭头怎样画,可能这种图使用 NCL 非常容易,很多没用过代码的小朋友,就有点犯怵,怕 python 画起来很困难。但是不然,看完我的代码,就会发现很简单,并且也可以批量,同时还能自定义国界等shp文件,这对于发sci等国际论文很重要,因为有时候内置的国界是有问题的。

数据

本次博客使用的数据为 ERA5 hourly data on pressure levels from 1940 to present数据,数据的下载方式及注册账号,我在前面的博客中都写过,详细可参考以下两篇博客:

http://t.csdnimg.cn/657dg
http://t.csdnimg.cn/YDELh
以下为我们数据介绍界面和需要下载的变量:
数据介绍地址:https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=overview
在这里插入图片描述

数据选择界面

在这里插入图片描述

代码

废话不多说,直接上代码。

导入包

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import geopandas as gpd
# 设置全局字体为新罗马
plt.rcParams['font.family'] = 'serif'
plt.rcParams['font.serif'] = ['Times New Roman']
# plt.rcParams['font.serif'] = ['SimSun']
# 设置全局字体权重为normal
plt.rcParams['font.weight'] = 'normal'# 设置全局字体大小
matplotlib.rcParams['font.size'] = 19  # 设置全局字体大小为12

画水汽通量散度图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')# 使用geopandas读取地理数据,这里我们手动创建一个GeoDataFrame
gdf_point = gpd.GeoDataFrame({'City': ['Mingfeng Station', 'Kalasai Station'],'Latitude': [37.5,37],'Longitude': [80,81]
}, geometry=gpd.points_from_xy([80,81], [37.5,37]))# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)time = '2017-07-30T22:00:00'# level_hPa = 700# for level_hPa in [200,500,700,850]:
for level_hPa in [600]:# 选择特定时间和气压层ds_selected = ds.sel(time= time, level=level_hPa)  # 示例:2022年1月1日0时,850hPa# 获取数据变量u = ds_selected['u']  # 东西向风速v = ds_selected['v']  # 南北向风速q = ds_selected['q']  # 比湿# 获取经度和纬度,假设这些是坐标维度longitude = u.longitudelatitude = u.latitude# 计算水汽通量qu = q * u  # 东西向水汽通量qv = q * v  # 南北向水汽通量# 计算水汽通量散度 单位为div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10# 打印结果# print(div_q)# 创建图形和轴对象fig, ax = plt.subplots(figsize=(6, 6),dpi=500)  # 图形尺寸为10x6英寸# 可视化散度结果contour = div_q.plot(add_colorbar=False, cmap="RdBu_r", vmin=-1, vmax=1)  # 使用黑色线条绘制20个等级的等高线## 在ax上绘制等高线图div_q.plot.contour(levels=25, colors='black',linewidths=0.6)# 添加颜色条fig.colorbar(contour, ax=ax, label='Water Vapor Flux Divergence (g/cm²/s)')# 使用quiver函数需要确保数据的间隔,这里我们每隔5个点取样Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")# 绘制shapefilegdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充,黑色边界# gdf_point.plot(ax=ax, color='red')  # 标记纽约的位置# 绘制点ax.scatter(gdf_point['Longitude'], gdf_point['Latitude'], color='red', s=100) # 标注城市名称for x, y, city in zip(gdf_point['Longitude'], gdf_point['Latitude'], gdf_point['City']):ax.text(x, y, ' ' + city, verticalalignment='center', fontsize=15)# 设置经纬度范围ax.set_xlim(75, 90)ax.set_ylim(30, 45)ax.set_xlabel('Longitude')ax.set_ylabel('Latitude')ax.set_title('')  # 清除标题# 添加标题在图片正下方# fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')# 调整布局以避免重叠和裁剪fig.tight_layout()plt.savefig("./{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)plt.show()

水汽通量图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)time = '2017-07-30T22:00:00'
for level_hPa in [200,500,600,700,850]:# 选择特定时间和气压层ds_selected = ds.sel(time= time, level=level_hPa)  # 示例:2022年1月1日0时,850hPa# 获取数据变量u = ds_selected['u']  # 东西向风速v = ds_selected['v']  # 南北向风速q = ds_selected['q']  # 比湿# 获取经度和纬度,假设这些是坐标维度longitude = u.longitudelatitude = u.latitude# 计算水汽通量qu = q * u * 100  # 东西向水汽通量qv = q * v * 100 # 南北向水汽通量wvf = np.sqrt(qu**2 + qv**2)# 计算水汽通量散度 单位为# div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10# 打印结果# print(div_q)# 创建图形和轴对象fig, ax = plt.subplots(figsize=(6, 6),dpi=400)  # 图形尺寸为10x6英寸# 可视化散度结果contour = wvf.plot(add_colorbar=False, cmap="RdBu_r", vmin=0, vmax=10)  # 使用黑色线条绘制20个等级的等高线## 在ax上绘制等高线图wvf.plot.contour(levels=25, colors='black',linewidths=0.6)# 添加颜色条fig.colorbar(contour, ax=ax, label='Water Vapor Flux(g/cm/s)')# 使用quiver函数需要确保数据的间隔,这里我们每隔5个点取样Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")# 绘制shapefilegdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充,黑色边界# 设置经纬度范围ax.set_xlim(75, 90)ax.set_ylim(30, 45)ax.set_xlabel('Longitude')ax.set_ylabel('Latitude')ax.set_title('')  # 清除标题# 添加标题在图片正下方# fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')# 调整布局以避免重叠和裁剪fig.tight_layout()plt.savefig("./WVF_{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)plt.show()

结果图

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/4535.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【idea】idea 中 git 分支多个提交合并一个提交到新的分支

一、方法原理讲解 我们在 dev 分支对不同的代码文件做了多次提交。现在我们想要把这些提交都合并到 test 分支。首先我们要明白四个 git 操作, commit:命令用于将你的代码变更保存到本地代码仓库中,它创建了一个新的提交(commit…

idea的插件,反编译整个jar包

idea的插件,反编译整个jar包 1.安装插件1.1找到插件1.2 搜索插件 2.反编译整个jar包2.1 复制jar包到工件目录下:2.2 选中jar包,点出右键 3.不用插件,手动查看某一个java类3.1 选中jar包,点出右键 1.安装插件 1.1找到插…

Liunx作业控制

目录 作业控制之jobs 常用作业相关命令 1.查看当前CPU负载 2.查看当前磁盘负载 3.查看内存使用 4.linux启动过程 5.查看系统的版本和内核 6.修改主机名 作业控制之jobs 作业控制指的是控制正在运行的进程的行为。比如,用户可以挂起一个进程或者放到后台…

C# Solidworks二次开发:枚举应用实战(第七讲)

大家好,今天还是介绍我们枚举应用实战系列。 下面开始介绍枚举: (1)第一个为swTableColumnTypes_e,这个枚举的含义为表的类型,下面是官方的具体枚举值: MemberDescriptionswBendTableColumnT…

Linux网络编程---Socket编程

一、网络套接字 一个文件描述符指向一个套接字(该套接字内部由内核借助两个缓冲区实现。) 在通信过程中,套接字一定是成对出现的 套接字通讯原理示意图: 二、预备知识 1. 网络字节序 内存中的多字节数据相对于内存地址有大端和小端之分 小端法&…

同事上班这样摸鱼,我坐边上咋看他都在专心写代码啊

我边上有个同事,我坐他边上,但是每天看着他都眉头紧锁,忙的不亦乐乎,但终于有一天,我发现了他上班摸鱼的秘诀。 我劝你千万不要学会这4招,要不就该不好好上班了。 目录 1 上班看电影? 2 上班…

自建SQL server 服务无法启动,提示评估期已过

问题背景 在服务器内安装的SQL server无法启动,报错提示如下截图,提示错误代码17051: 结合系统日志查看应用程序日志详情提示评估期已过,报错如下 问题原因 出现此报错原因是SQL server 安装时,使用的评估版本&#xf…

网络安全的防护措施有哪些?

1. 安全策略和合规性 2. 物理和网络安全 3. 数据加密 4. 软件和系统更新 5. 访问控制 6. 威胁监测和响应 7. 员工培训和安全意识 8. 备份和灾难恢复 零基础入门学习路线 视频配套资料&国内外网安书籍、文档 网络安全面试题 网络安全的防护措施多种多样&#xff0c…

基于Spring Boot的商务安全邮件收发系统设计与实现

基于Spring Boot的商务安全邮件收发系统设计与实现 开发语言:Java框架:springbootJDK版本:JDK1.8数据库工具:Navicat11开发软件:eclipse/myeclipse/idea 系统部分展示 已发送效果图,用户可以对已发送信息…

【GitHub】2FA认证(双重身份验证)

GitHub 2FA认证(双重身份验证) 写在最前面一、使用 TOTP 应用程序配置双2FA(双因素身份验证)1. 介绍2. github3. 认证 官网介绍小结 & 补充 :权限不足or验证码错误问题 🌈你好呀!我是 是Yu欸…

超图 openlayers 根据多边形数据展示图层(根据coordinates限制图层范围=》裁剪)

图层的feature var geometry feature.getGeometry(); // 具体的坐标点列表(数组形式) let coordinates geometry.getCoordinates(); // 转换坐标数组为ol.geom.Polygon let geometry new geom.MultiPolygon([data.coordinates]); let zslayer …

张大哥笔记:普通人可以靠知识付费赚到钱吗?

大家好,我是张大哥,今天给大家聊聊普通人怎么做知识付费赚钱这个话题,首先科普一下,什么是知识付费?把知识变成产品或服务,以实现商业价值的行为就是知识付费! 做知识付费类的项目,首…

MySQL数据库基础(数据库的基本操作、常用的数据类型、表的相关操作)

前言 今天我们将介绍数据库的基本操作、常用的数据类型、表的相关操作 一、数据库的基本操作 1.1 显示当前的数据库 操作代码 show databases;1.2 创建数据库 基本语法: 1. //创建数据库 create database examble;2. create database if not exists exist exa…

[svelte]slot插槽

参考&#xff1a;Vue 插槽(slot)使用(通俗易懂) - 掘金 (juejin.cn) 组件子级 / Slot 属性 • Svelte 教程 | Svelte 中文网 组件可以像元素一样拥有子内容&#xff0c;就像元素一样&#xff0c;使用<slot>元素可以在子组件中公开内容&#xff0c;该元素可以包含在未提供…

CentOS命令大全:掌握关键命令及其精妙用法!

CentOS是一种流行的开源企业级Linux发行版&#xff0c;它基于Red Hat Enterprise Linux (RHEL)的源代码构建。对于系统管理员和运维工程师来说&#xff0c;掌握CentOS的常用命令至关重要。 这些命令不仅可以帮助管理服务器&#xff0c;还可以进行故障排查、性能监控和安全加固等…

树莓派 ubuntu22.04 meta安装 ros2-humble

可直接参考&#xff1a; https://docs.ros.org/en/humble/Installation/Ubuntu-Install-Debians.html 设置区域设置 locale # check for UTF-8sudo apt update && sudo apt install locales sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALLen_US.UTF-…

代码随想录(番外)图论3|1020. 飞地的数量|130. 被围绕的区域

代码随想录&#xff08;番外&#xff09;图论3|1020. 飞地的数量|130. 被围绕的区域 1020. 飞地的数量 class Solution { public:int dir[4][2]{0,1,1,0,0,-1,-1,0};int count;void dfs(vector<vector<int>>& grid,int x,int y){grid[x][y]0;count;for(int i…

人形机器人核心架构梳理

定义&#xff1a;机器人是能进行运动、操纵或定位且具有一定程度自主能力的可编程执行机构。按外在形态分类可分为传统机器人和人形机器人&#xff0c;其中人形机器人是一种利用人工智能和机器人技术制造的具有类似人类外观和行为的机器人。 人形机器人发展历程&#xff1a; 人…

C++之运算符重载

一&#xff1a;运算符重载 C为了增强代码的可读性引入了运算符重载&#xff0c;运算符重载是具有特殊函数名的函数&#xff0c;也具有其 返回值类型&#xff0c;函数名字以及参数列表&#xff0c;其返回值类型与参数列表与普通的函数类似。 函数名字为&#xff1a;关键字oper…

Linux基础——冯诺依曼体系结构与操作系统

前言&#xff1a;在进入Linux进阶知识之前&#xff0c;我们还需理解最后一点知识&#xff0c;先认识理解冯诺依曼体系结构&#xff0c;再认识理解操作系统定位这样才能更好的理解后面的知识 本篇主要内容&#xff1a; 冯诺依曼体系结构操作系统概念与定位 冯诺依曼系统 1. 冯诺…